Kiváló minőségű kép (NIR és RGB) a Contact Vital Sings felvételeivel és a rétegzett egészséges lakosság klinikai adataival szinkronizálva. Algoritmusok és mesterséges intelligencia modellek életjelek képalapú készletének megszerzéséhez. (FREJYA/IBV)

5.2.1. A PROJEKT TUDOMÁNYOS INDOKOLÁSA Az életjelek monitorozása elengedhetetlen a modern klinikai betegellátásban mind kórházi, mind otthoni körülmények között. Néhány példa a pulzusszám (HR), a légzésfrekvencia (RR), az oxigénszaturáció (SpO2) vagy a vérnyomás (BP), amelyek döntő információkkal szolgálnak az emberi biológiai rendszer állapotáról (2). Ezeknek a jeleknek a rögzítése általában hagyományos eszközökkel történik, amelyek érintkezést igényelnek a pácienssel olyan elemeken keresztül, mint a felületi elektródák, a pulzoximéter vagy a piezoelektromos átalakítók. Ezek az eszközök nem alkalmasak az életjelek hosszú távú monitorozására, mivel kényelmetlenséget, irritációt és a gombás és bakteriális fertőzések halmozott kockázatát okozhatják. Ezenkívül bőrfertőzéseket, sebeket és káros reakciókat okozhatnak sérülékeny bőrű betegeknél, például koraszülötteknél, időseknél vagy égett betegeknél (3). Másrészt a betegek monitorozására használt anyagok nagy részét csak egyszeri használatra szánják (például elektródákat és vezetékeket), majd ártalmatlanítani kell, ami jelentős költségekkel jár (2).

Felmerül az az elképzelés, hogy ezeket a jeleket közvetlen bőrkontaktus nélkül rögzítsék, mint alternatívát, amely képes kiküszöbölni a lehetséges egészségügyi szövődményeket és megoldani az érintkező eszközök szükségességével kapcsolatos használhatósági problémákat. Az új technológiák célja több életfunkció egyetlen eszközzel, bármikor és bárhol történő monitorozása (4), ami lehetővé tenné bizonyos patológiák megelőzését, miközben javítja a betegek egészségét. Emellett csökkennének az egyszer használatos szenzorok beszerzésével, valamint a betegek kórházi kezelésével kapcsolatos költségek.

A közelmúltban figyelemreméltó fejlődés ment végbe az életjelek érintkezés nélküli technológiákból történő megszerzésének technikáiban. Ezek középpontjában az emberi test fizikai és fiziológiai változásainak megfigyelése áll a légzőrendszer és a szív- és érrendszer működése miatt. Ezek az eltérések különösen a bőrszínt, a hőmérsékletet, az impedanciaváltozásokat, a fejmozgást, az artériás pulzusmozgást, valamint a mellkas és a has mozgását foglalják magukban (2,5).

A fiziológiai jelek monitorozására szolgáló hordozható eszközök fejlesztésének egyik leggyakrabban használt technológiája a videokamerás képalkotás. Ez a passzív érintés nélküli módszer két fő elvet használ (2). Először is, a vér színe a szív- és légzőrendszeri hatáson keresztül történő gázcsere miatt változik, ami megváltoztatja a bőr optikai tulajdonságait. Ezt fotopletizmográfiának (PPG) írhatjuk le (5). A bőrszín ezen eltérései videokamerával készített képsorozatokban értékelhetők, és kihasználhatók távoli PPG (rPPG) jelének előállítására, amelyből számos életjel mérhető. A második alapelv a ballisztokardiogram (BCG) mérésén alapul, amely az egyes impulzusoknál beáramló vér nyomásváltozásaiból eredő finom ciklikus fejmozgásoktól függ (2,5).

Mivel a videokameráknak nincs szükségük semmilyen interakcióra a pácienssel, ígéretes megközelítést jelentenek az érintés nélküli monitorozásban. Fő előnyük a robusztusság, a megbízhatóság, a biztonság, a költséghatékonyság, valamint a nagy távolságú és hosszú távú monitorozásra való alkalmasság.

Az életjelek képkamerából történő kiszámításához szükséges főbb fontos tényezőket tartalmazó adatbázis lehetővé teszi specifikus és pontosabb algoritmusok kidolgozását, valamint mesterséges intelligencia alapú modellek betanítását az életjelek képalapú technológiával történő megszerzéséhez.

Ebben az összefüggésben hozzá kell tenni, hogy a Valenciai Biomechanikai Intézet számos nemzeti és európai projekten dolgozott, és kiterjedt tapasztalattal rendelkezik a fiziológiai jelek jelfeldolgozásában és elemzésében:

• SuaaVE (https://www.suaave.eu/)
• Senserror (https://www.ibv.org/proyecto/senserror-modelizacin-y-evaluacin-del-error-humano-mediante-procesos-cognitivos/)
• SOLFIS (https://www.ibv.org/proyecto/solfis-soluciones-aplicadas-basadas-en-medidas-fisiologicas/)
• imc2 (https://www.ibv.org/proyecto/emc2incorporacin-de-los-modelos-emocionales-y-cognitivos-en-el-sector-del-transp/) 5.2.2. A PROJEKT CÉLKITŰZÉSEI HOSSZÚ TÁVÚ CÉLKITŰZÉS A tanulmány célja az egészséges és patológiás populáció képi adatállományának gyűjtése, azon potenciális tényezők jellemzésével, amelyek befolyásolhatják az életjelek meghatározásához használt módszereket. Ennek érdekében a kvalitatív és kvantitatív adatgyűjtés megfigyeléses vizsgálatát javasolták kamerákon, kapcsolatfelvételi technológiákon (arany standardok) és kérdőíveken keresztül.

Az életjelek képkamerából történő kiszámításához szükséges főbb fontos tényezőket tartalmazó adatbázis lehetővé teszi specifikus és pontosabb algoritmusok kidolgozását, valamint mesterséges intelligencia alapú modellek betanítását az életjelek képalapú technológiával történő megszerzéséhez.

Ezen adatok alapján a tanulmány konkrét céljai a következők:

• A különbségek meghatározása a vizsgált tényezők alapján.
• Algoritmusok/AI modellek fejlesztése/finomhangolása minőségi rPPG/rBCG jelek elérése érdekében.
• Algoritmusok/AI-modellek fejlesztése/finomhangolása a fő életjelek, például HR, RR, SpO2 és BP képalapú adatokból történő lekéréséhez.

5.2.3. MÓDSZER A VIZSGÁLAT TÍPUSA Megfigyelési vizsgálat az egészséges populáció képi adatkészletének összegyűjtésére a lehetséges tényezők jellemzésével, mind belső (életkor, BMI, nem, Fitzpatrick fototípus, rizikófaktorok), mind az alany külső (távolság és megvilágítás) jellemzőivel. az életjelek megszerzésére használt módszerek.

VIZSGÁLATI MINTA Mintanagyság: Legalább 60 alany, amely lefedi az egyes belső alanyok jellemzőihez meghatározott tartományokat: életkor, BMI, nem és Fitzpatrick fototípus. Az egyes kombinációkhoz meghatározott alanyok számát a spanyol populációban képviselt százalékos arány alapján határozták meg.

A mintát a nem, a Fitspatrick-fotótípus, a BMI és az életkor szerinti rétegek alkották, a következő tartományokkal:

• Nem: nő (F) és férfi (M).
• Fitzpatrick Phptotype: I-II (F1), III-IV (F2) és V-VI (F3).
• BMI: <21 (B1), 21<= BMI<=29 (B2) és >29 (B3).
• Életkor: <50 (A1) és >=50 (A2).

A meghatározott tartományok alapján 36 alcsoportot kaptunk a következő jellemzőkkel:

• G1: F/F1/B1/A1
• G2: F/F1/B1/A2
• G3: F/F1/B2/A1
• G4: F/F1/B2/A2
• G5: F/F1/B3/A1
• G6: F/F1/B3/A2
• G7: F/F2/B1/A1
• G8: F/F2/B1/A2
• G9: F/F2/B2/A1
• G10: F/F2/B2/A2
• G11: F/F2/B3/A1
• G12: F/F2/B3/A2
• G13: F/F3/B1/A1
• G14: F/F3/B1/A2
• G15: F/F3/B2/A1
• G16: F/F3/B2/A2
• G17: F/F3/B3/A1
• G18: F/F3/B3/A2
• G19: M/F1/B1/A1
• G20: M/F1/B1/A2
• G21: M/F1/B2/A1
• G22: M/F1/B2/A2
• G23: M/F1/B3/A1
• G24: M/F1/B3/A2
• G25: M/F2/B1/A1
• G26: M/F2/B1/A2
• G27: M/F2/B2/A1
• G28: M/F2/B2/A2
• G29: M/F2/B3/A1
• G30: M/F2/B3/A2
• G31: M/F3/B1/A1
• G32: M/F3/B1/A2
• G33: M/F3/B2/A1
• G34: M/F3/B2/A2
• G35: M/F3/B3/A1
• G36: M/F3/B3/A2 MÉRŐSZERSZÁMOK

A regisztrációhoz használt mérőberendezések a következők voltak:

• RR regiszter: biosignalsplux eszközkészlet légzés (PZT) érzékelő adataival. A nyers adatok megszerzéséhez OpenSignals forradalom szoftvert használtak.
• HR regiszter: biosignalsplux eszközkészlet elektrokardiográfiás (EKG) szenzoradatokkal. A nyers adatok megszerzéséhez OpenSignals forradalom szoftvert használtak.
• SpO2 regiszter: biosignalsplux eszközkészlet vérmennyiség-impulzus (BVP) ujjcsipesz-érzékelő adataival. A nyers adatok megszerzéséhez OpenSignals forradalom szoftvert használtak.
• BP regiszter: Withings BPM Connect WPM05 digitális vérnyomásmérő.
• Szinkronizálási regiszter: biosignalsplux szinkronizációs (SYNC) kiegészítő adatok. A nyers adatok megszerzéséhez OpenSignals forradalom szoftvert használtak.
• Képregisztráció: FLIR GS3-U3-41C6C és FLIR GS3-U3-41C6NIR kamerák. Az összes biosignalsplux érzékelőt a SYNC tartozéknak gondolt kamerákkal szinkronizálták.

Másrészt elkészült egy kérdőív, amelyet az IBV készített a klinikai tényezőkről. A kérdőív részletes leírása a 9. pontban található.

Az összes felvételt az IBV képzett munkatársai végezték el a tesztek elvégzéséhez, és az IBV létesítményeiben, konkrétan a Living Lab laboratóriumában, klíma- és világításvezérléssel a vizsgálati körülményekhez igazodva.

MÉRÉSI PROTOKOLL A potenciális résztvevőkkel először a megfelelő kulcsfontosságú entitás vagy ügynök (a megfelelő 3. szponzor/együttműködők részben meghatározott együttműködők) veszi fel a kapcsolatot, beleértve magát az IBV-t is a korábbi kísérletek adatbázisain keresztül. Az IBV felveszi a kapcsolatot a részvétel iránt érdeklődő felhasználókkal, akik megfelelnek a felvételi feltételeknek, és hozzájárulnak a kapcsolatfelvételhez.

Az egyes alanyok számára két-két ülést tartottak a nap különböző szakaszaiban. Az elsőben (9:00-12:00) 4 mérést végeztek, módosítva az alany és a berendezés közötti távolságot (1 m és 2 m), valamint a természetes fény bejutását (természetes fény megléte vagy hiánya). A második szakaszban (16:00 és 17:30 között) csak egy mérést végeztek 1 méteres magasságban természetes fény mellett, a nyomás rögzítése céljából a nap maximális csúcsán. A téma ülve és műszerezetten maradt az ülések során. A homlok, az arc és a nyak alsó része került a kamerák elé. Minden mérés előtt luxméterrel rögzítettük a környezeti fényviszonyokat. Az alanyoknak csendben és csendben kellett maradniuk, és normálisan lélegezni. A kezüket is fejük szintjére kellett emelniük úgy, hogy a jobb tenyér előre nézzen. Minden felvétel elején és végén szisztolés és diasztolés vérnyomást mértünk a Withings BPM Connect WPM05 digitális vérnyomásmérővel.

Minden felvétel 80 másodpercig tartott: az első 20-as években pulzáló fénnyel világították meg a jelenetet, a következő 60-as években pedig állandó fényt használtak.

ELEMZETT VÁLTOZÓK Az elemzett változók megfelelnek az egyes szenzoradatokban és kérdőívekben gyűjtött adatoknak. Az összes változó leírása a 9. fejezetben található: Eredményintézkedések.

STATISZTIKAI ANALÍZIS

Statisztikai elemzést készítenek, amely a vizsgálat céljainak elérését szolgálja. A statisztikai elemzés a referencia mérési technikával kapott paraméterek által szolgáltatott adatokat a kifejlesztett algoritmusokkal/AI modellekkel kapott paraméterekkel összehasonlítva kezeli. Ehhez a következő statisztikákat kell használni:

• Pearson-féle korrelációs együttható: lineáris korreláció két adathalmaz között. Ez a két változó kovariancia és szórásának szorzata közötti arány.
• Cronbach-alfa: megbízhatósági együttható és belső konzisztencia mértéke os tesztek és mérések.
• Pontosság: annak értéke, hogy az adott méréskészlet mennyire közelít a valódi értékükhöz. Az alkalmazott algoritmusok/AI modellek típusától függően a statisztikák eltérőek lehetnek.

ADATKEZELÉS ÉS FELDOLGOZÁS Minden résztvevőhez felhasználói kód kerül hozzárendelésre, hogy a kérdőívek összekapcsolhatók legyenek a résztvevők anonimitásának megőrzése mellett az IBV számára. Ezt a kódot kell megadni az online kérdőívben történő azonosításhoz, vagy adott esetben a telefonon kitöltött kérdőívhez hozzáadni.

Minden információt anonimizálunk feldolgozás és elemzés céljából, és a jelenlegi jogi keretek által diktált feltételek szerint használhatók fel.

A projekt befejezése után a megszerzett adatokat mindig anonim formában és az IBV törvényes felügyelete alatt tároljuk. Az adatok későbbi felhasználására és megőrzési időszakára a tájékozott hozzájárulási dokumentumokban foglaltak az irányadók, tekintettel a hatályos jogszabályokra.

A Tájékozott hozzájárulás írásos dokumentumának elfogadása az online felmérés elején található jelölőnégyzetekkel történik. A telefonon megkérdezett betegek esetében az írásbeli tájékozott hozzájárulásnak megfelelő dokumentumot a meghallgatás előtt megküldik, majd ezt követően szóban is beleegyezést kérnek tőlük, miután meggyőződtek arról, hogy áttekintették és megértették a részvételi feltételeket. tanulmány.